文本分类CNN训练报错：InvalidArgumentError索引越界问题求助

核心问题：Embedding层输入类型完全不匹配 #

你的模型首层是Embedding层，它要求输入必须是0到词汇表大小-1之间的非负整数索引（错误提示里的[0, 3345)范围，对应你Embedding层的词汇表大小为3345），但你传入的X_train是经过MinMaxScaler归一化后范围为[-1,1]的数值向量，其中包含-1这类负数，直接触发了Embedding层的索引越界错误（即错误日志里的indices[31,66] = -1 is not in [0, 3345)）。

具体拆解 #

• Embedding层的本质：它是把离散的整数词索引映射为连续词向量，输入必须是代表词位置的整数，而非归一化后的连续数值。
• 数据预处理逻辑错误：你混淆了两种文本特征处理路径：
  • 若要用Embedding层：需先对文本做整数编码（比如用Tokenizer将每个词映射为唯一非负整数索引），直接输入这些整数序列，不需要做MinMaxScaler归一化。
  • 若已将文本转为连续数值特征（如TF-IDF、预训练词向量）：则不需要Embedding层，直接把数值向量输入Conv1D层即可。

佐证依据 #

从模型参数计算可知：Embedding层的参数数量是3345 * 128 = 428160，和你给出的Param#完全一致，说明该层确实是基于3345个词的索引做映射，而你的输入数据完全不符合这个要求。

内容的提问来源于stack exchange，提问作者quickhelp